关系矩阵法在发动机执行机构故障检测中的应用

作为航空发动机控制系统的重要组成部分, 执行机构的故障检测与隔离目前尚缺少有效方法.本文提出了一种新颖的解决问题途径, 利用相互关系矩阵, 通过发动机输出与控制器指令计算执行机构输出的偏差, 可以达到检测、隔离多个执行机构故障的目的.数字仿真表明, 这一方法在航空发动机执行机构故障检测中, 具有较高的准确性.      

基于广义回归神经网络的传感器故障检测

为了研究航空发动机试验中精确数学模型未知的多传感器故障诊断问题,采用基于广义回归神经网络(General Regression Neural Network,GRNN)组的故障检测方法,提炼出传感器之间的约束关系和故障规律,构建了一组多输入多输出GRNN,用于估计传感器输出,与测量值生成残差,通过与门限值比较判断可疑传感器,找到神经网络组中的具有最小可疑传感器数的GRNN。采用可疑传感器的估计信号做为重构信号交叉验证其它GRNN。通过验证即可确定可疑传感器为最终故障传感器。为了控制神经网络的回归精度,将多输入多输出神经网络分解为多个多输入单输出网络。通过仿真数据验证了该方法用于传感器故障检测的可行性。     

基于多模型的航空发动机传感器混合故障诊断方法

本文在多模型架构下,提出一种航空发动机传感器在线混合故障检测与隔离算法。利用长短期记忆网络逼近航空发动机建模误差、健康参数变化、过程噪声和测量噪声等不确定性源引起的真实发动机与机载模型之间的偏差。将传感器测量输出与不确定性值的偏差用于一种基于多模型的混合卡尔曼滤波器组算法中,利用贝叶斯方法计算每个传感器在健康模式和不同故障模式下的条件概率,然后根据最大概率准则进行传感器故障检测与隔离,克服了阈值难以选取的问题。针对某型涡扇发动机传感器发生偏置故障、漂移故障和间歇性故障的情形进行仿真验证,并对比了不同传感器之间的检测与隔离精度。结果表明：所提出的方法可以在更高水平的退化下诊断出发动机传感器常见的故障,混合方法对不同不确定性源具有鲁棒性。     

采用一组卡尔曼滤波器检测发动机传感器故障

在发动机全功能数字电子控制系统中,提高传感器工作的可靠性是十分重要的,除了不断对传感器本身的性能加以改进提高外,现在广泛地采用了余度技术。近二十年来对解析余度(Analyt ical Redundancy)进行了广泛的研究,解析余度(AR)方法是基于各状态变量之间存在的解析关系,在系统可观条件下,利用无故障的输出测量值去估计(构造)已故障传感器正常工作状态时的输出信息,从而实现对故障的检测、隔离与重构,保证控制系统具有预定的控制性能。      

基于OCKELM与增量学习的在线故障检测方法

针对航空电子设备故障检测样本少、以及缺乏在线实时检测理论研究的问题，将一类核极限学习机(OCKELM)和数据增量学习(IL)相结合，实现对贯序来临的样本数据在线故障检测。基于正常状态下的样本数据，给出了OCKELM的核化形式，并推导了核函数和核权重向量的表达式；根据增量学习方法，在吸收新样本时更新核权重向量并估计样本输出值；最终基于2种阈值准则给出模型的检验阈值，对测试样本进行在线故障检测。将所提方法应用于UCI数据集和某航空电子设备的测试数据，实验结果表明：该方法的时间消耗在毫秒级别，实现了在线检测；且相比于现有的SVDD、PCA、OC-SVM方法，该方法在F1、AUC、G-mean和故障检测率等性能指标方面均表现优异。     

惯性冗余系统奇偶向量法故障检测与识别技术研究

为使惯性冗余系统达到故障检测与识别的功能,本文对惯性冗余系统的奇偶向量在有、无故障的不一致情况进行了研究,介绍了单自由度惯性仪表和双自由度惯性仪表广义似然比故障检测与隔离方法,通过对奇偶向量的分析及仿真,给出了最优化故障检测与隔离算法,该结果表明,采用奇偶向量法确实可以提高冗余惯性系统的故障检测与识别的性能,可以解决其软故障的检测能力。     

基于UIO的航空发动机执行机构故障诊断

为了提高航空发动机诊断过程中对噪声干扰和模型参数变化的鲁棒性,应用UIO(Unknown Input Ob-server)理论估计发动机动态系统的工作状态,通过干扰正交投影弱化外界干扰对状态估计的影响,处理了航空发动机执行机构的故障诊断问题。对航空发动机执行机构设计一组UIO观测器,其中每个UIO用于监测估计对应执行机构的故障偏移量,计算系统输出理论估计值与发动机实际测量信号间的残差数据,分析残差队列的幅值特性,实现航空发动机执行机构系统的故障检测和隔离。某型涡扇发动机上的实验结果表明,与Kalman滤波算法相比,UIO诊断方法更能鲁棒地检测和隔离出执行机构故障。     

广义回归神经网络在冗余捷联惯导故障诊断中的应用研究

针对冗余捷联惯导的故障诊断问题，研究提出了一种基于广义回归神经网络的故障诊断方法。该方法在传感器输出数学模型未知的情况下，仅通过传感器之间的冗余关系，利用传感器正常工作时的测量值和改进的神经网络估计输出值生成残差进行故障诊断。仿真试验表明，利用神经网络补偿产生的残差可以检测到未补偿时的故障。该方法不仅可以检测到单故障，还对多传感器同时发生故障具有一定的检测能力。     

某型涡扇发动机控制系统传感器故障诊断研究

研究利用卡尔曼滤波器及多重故障假设检验方法来检测某发动机控制系统传感器硬、软故障,并实现故障传感器的输出重构。给出了传感器故障诊断原理及算法,针对传感器常见典型故障进行了故障诊断过程仿真。仿真结果表明,所研究的方法能及时、有效的检测到故障传感器,并对其进行隔离和重构,没有发生误报和漏报现象。      

非线性椭球集员滤波及其在故障诊断中的应用

 针对带有未知但有界噪声的非线性系统,提出一种椭球集员滤波算法,并将其应用于保证故障检测与隔离。对非线性状态方程和量测方程进行泰勒展开之后,通过区间分析的方法给出线性化余项存在区域的盒子外界描述。假设过程和量测噪声由盒子限界,在算法的时间更新和量测更新过程中,分别计算包含椭球与线段的向量和及椭球与带的交的次最小容积椭球。在椭球集员滤波算法的基础之上,给出传感器故障检测与隔离的方法。由于集员滤波是保证状态估计,因而基于集员滤波算法的故障检测与隔离方法也具有保证性,即如果发出故障警报,则一定有故障发生。一个二维非线性系统的例子说明了该方法的有效性。     

基于部件跟踪滤波器的解析余度技术

研究一种以发动机部件跟踪滤波器(CTF)为基础的解析余度技术, 它将CTF与故障检测、隔离和适应逻辑进行了有效的综合, 以改进发动机数控系统的可靠性。仿真表明, 本文所设计的解析余度技术, 在传感器无故障时, 机载模型能正确跟踪发动机的变化。当传感器发生故障时, 在不损坏机载模型的情况下, 又能及时、有效地进行硬、软故障的检测、隔离与适应。      

对特定传感器故障敏感的最优奇偶向量检测与隔离方法

 提出了一种利用对特定传感器故障敏感的最优奇偶向量进行故障检测与隔离的方法。主要思想是设计一个性能指标函数，使得最优奇偶向量对被检测的传感器故障最敏感，而对其余传感器故障和未知输入不敏感。与常用的广义似然比方法相比，该方法明显地提高了故障的检测能力，此外，对故障的隔离效果也更好。     

基于Bayes变动统计理论的测试性外场统计验证方法

针对故障检测/隔离数据为"小子样"情况导致的测试性外场统计验证存在的周期长、验证结论置信度低等问题,研究并提出了基于Bayes变动统计理论的的测试性外场统计验证模型和方法。首先建立了不同寿命周期阶段故障检测率(FDR)的序化关系模型;然后以Dirichlet分布为先验分布,利用不同寿命周期阶段故障检测率先验估计值确定Dirichlet分布参数;在此基础上,融合"小子样、异总体"研制阶段增长试验数据和"小子样"外场使用数据,研究并提出了故障检测率的Bayes综合评估模型;引入Gibbs抽样方法求解故障检测率Bayes综合评估模型的复杂高维后验积分;最后在某机载稳定跟踪平台上开展了应用研究。结果表明本文方法能在较短的外场使用周期内,给出较高置信度的外场验证结论,为大型高可靠性装备测试性外场统计验证研究提供了重要的理论依据。     

输入—输出过程脉冲型故障的统计检测方法与容错检测技术的研究

对于输入-输出系统的脉冲型故障,本文指出了系统运行过程中发生的输出部件故障和输入部件故障与时间序列分析领域AO型及IO型常数据之间的关系,系统地总结了过程故障统计诊断方法(特别是仿Jacknife法、假设检验法和影响分析法)的研究现状及其存在的不足之处,建立了两组容错辨识算法,并基于容错辨识技术提出了分别适用于第一类故障和第二类故障检测与辨识的有效方法。最后,通过仿真计算验证了新方法的有效性。     

多维平稳过程的容错辨识与突变检测

本文将参数容错辨识与过程突变检测相结合,构造了多维平稳过程的协方差-位置参数(∑,μ)的一组具有良好容错能力的辨识算法;基于该算法,建立了多维平稳过程突发性故障的检测与诊断算法;简要指出了上述方法在航天测控工程中的应用前景。最后,通过仿真计算证实了容错辨识与突变检测算法的有效性。     

飞行控制系统故障检测方法研究

以某型飞机为研究对象，论述了一种基于模型的自修复飞行控制系统故障检测方法。首先提出了通过等价空间法产生残差序列，并对残差序列进行概率比检测，以获得一定置信度下的检测结果。同时舵面损伤故障的概率比检测采用预警检验、校验检测与隔离检测相结合的方法。最后，对所设计的故障检测方法进行了数字仿真研究。仿真结果验证了该方法具有较高的准确性和实时性，为飞行控制系统故障检测提供了一种有效的手段。     

基于UIO的航空发动机控制系统传感器故障诊断

研究了航空发动机控制系统传感器鲁棒故障检测与隔离问题,提出了一种克服不同干扰对控制系统诊断性能影响的方法.应用未知输入观测器(unknown input observer,简称UIO)理论来解耦航空发动机动态系统干扰,并针对控制系统传感器设计一族UIO,提取出一系列的传感器残差特征数据,通过分析残差队列的幅值特性,实现航空发动机控制系统传感器故障诊断.在高斯白噪声、模型工作点变化和非高斯噪声三类干扰下的数字仿真结果表明,不管何种干扰,UIO诊断方法均能检测和隔离出传感器故障,在诊断鲁棒性方面,要优于Kalman滤波器诊断算法.      

基于单轴转台的斜置RSINS标定方法

以斜置冗余捷联惯导系统(RSINS)为研究对象,提出了一种基于单轴速率转台的标定方法。首先从斜置RSINS的系统配置结构出发,推导了描述斜置RSINS安装失准角的线性化方程以及系统标定量测方程;结合单轴速率转台指出至少需要四个非平面位置才可标定惯性传感器零偏、标度因数及安装失准角,并详细给出加速度计四位置标定方法;考虑到仅以地球转速为观测量时陀螺仪标定参数可观测性较弱,单轴速率转台存在不可忽视的角位置误差及系统安装方位误差等原因,设计四位置静态和三位置转动标定方法以保证陀螺仪的标定精度。通过构建RSINS标定仿真平台验证该方法的有效性,并利用实验室搭建的六冗余样机进行了试验验证。其标定成本低、标定精度高、操作简便且不需要北向基准,具有较好的工程应用价值。     

基于低冗余度的传感器故障诊断研究

对于大型飞机来说,飞行控制系统各部件(包括传感器)多采用高余度的硬件配置来提高系统的任务可靠性,但对小型飞机来说,由于受重量、空间及费用等原因的影响,一些传感器不适合安装三余度或四余度传感器。对于二余度或单传感器来说,如何鉴别故障传感器或判断传感器是否发生故障较为困难。同样,传统的故障诊断与隔离方法并不能隔离三余度传感器系统中的多个故障。为了解决低冗余度传感器故障诊断问题,提出一种不依赖数学模型的奇偶方程方法与小波分析相结合的传感器故障诊断方法。     

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO -SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。